技術(shù)領(lǐng)域

本發(fā)明屬于中藥檢測技術(shù)領(lǐng)域，具體涉及一種應(yīng)用近紅外光譜分析技術(shù)快速無損鑒別山參真?zhèn)蔚姆椒ā?/p>

背景技術(shù)

人參(Panax?ginseng?C.A.Myer)系五加科植物，其根是我國最為名貴的中藥材之一。由于人參因生長年限和生長環(huán)境不同，其內(nèi)在有效活性物質(zhì)存在差異。傳統(tǒng)觀點和現(xiàn)代研究都認(rèn)為，在防治疾病和醫(yī)療保健中山參的質(zhì)量和療效均顯著優(yōu)于人工栽植的園參，故其市場價格可相差幾倍、幾十倍甚至上百倍。不法參商在利益驅(qū)使下，用園參冒充山參，造成了市場混亂，損傷了消費者的利益。“工藝參”，又稱“拼接山參”，是常見的山參造假方式。造假者將家養(yǎng)園參的不同部分，用粘合劑人為拼接，把人參的“蘆”接長、“須”接多，使其外觀上酷似生長多年的優(yōu)質(zhì)野生山參。目前山參及其偽品的鑒別主要采用經(jīng)驗鑒別和理化鑒別的方法。經(jīng)驗鑒別的方法不僅涉及植物形態(tài)學(xué)，還涉及山參生態(tài)學(xué)和植物地理學(xué)，要求鑒定人員具有豐富的藥材知識以及多年的實際鑒別經(jīng)驗，即使知識和技能達(dá)到要求，鑒別結(jié)果也存在著極大的偶然性和人為因素。對于理化方法鑒別，不僅耗用時間長、操作復(fù)雜，還會用到大量有機(jī)試劑，造成環(huán)境污染，且分析過程破壞了山參的形體，降低了山參的價格，因此，需要一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒ā?/p>

發(fā)明內(nèi)容

本發(fā)明的目的在于解決現(xiàn)有技術(shù)鑒別山參真?zhèn)芜^程中存在的鑒別結(jié)果不確定及鑒別過程破壞山參形體的問題，提出了一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒ā?/p>

為實現(xiàn)上述目的，本發(fā)明一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒ň唧w實施步驟為：

步驟一：應(yīng)用近紅外光纖附件采集生長環(huán)境及生長年份不同的山參和工藝參的光譜數(shù)據(jù)，并將獲得的山參和工藝參的光譜數(shù)據(jù)存入計算機(jī)；

步驟二：對步驟一獲得的光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，獲得山參和工藝參的光譜圖，將山參和工藝參的光譜圖進(jìn)行比對，根據(jù)異常光譜信息選擇光譜信息異常波段，提取出光譜信息異常波段中山參和工藝參的光譜數(shù)據(jù)；

步驟三：將提取出光譜信息異常波段中山參和工藝參的光譜數(shù)據(jù)采用主成分分析法提取出主成分變量，將主成分變量作為輸入變量，同時根據(jù)提取出的山參和工藝參光譜數(shù)據(jù)的光譜屬性設(shè)定山參和工藝參的屬性代碼，將山參和工藝參的屬性代碼作為目標(biāo)變量；

步驟四：根據(jù)輸入變量和目標(biāo)變量建立BP人工神經(jīng)網(wǎng)絡(luò)模型；

步驟五：應(yīng)用近紅外光纖附件采集待鑒別樣品的光譜數(shù)據(jù)；

步驟六：將獲得的待鑒別樣品的光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，將處理后的光譜數(shù)據(jù)經(jīng)建立的BP人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真，輸出待鑒別樣品的預(yù)測值，參照步驟三中所設(shè)定的山參和工藝參的屬性代碼判斷待鑒別樣品，當(dāng)待鑒別樣品的預(yù)測值與山參屬性代碼匹配時，鑒定為山參，當(dāng)待鑒別樣品的預(yù)測值與工藝參屬性代碼匹配時，鑒定為工藝參。

所述的光譜數(shù)據(jù)具體指山參和工藝參的蘆、體和須部位的光譜數(shù)據(jù)。

所述的將測得的光譜數(shù)據(jù)采用主成分分析法提取出主成分變量具體為：山參樣品的光譜數(shù)據(jù)經(jīng)主成分分析，當(dāng)前n個主成分的累積貢獻(xiàn)率達(dá)到99％以上，則提取前n個的主成分。

所述的數(shù)據(jù)預(yù)處理是指將采集直接得到的山參和工藝參的光譜數(shù)據(jù)中的雜散光及基線漂移去除。

本發(fā)明的工作原理：本發(fā)明一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒ǎ瑧?yīng)用近紅外光纖附件，將光纖探頭對準(zhǔn)待測位置，分別對山參的蘆、體和須部位進(jìn)行近紅外光譜采集，將采集的全部數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入，不僅計算量大，增加了建模難度，而且容易導(dǎo)致神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時間過長，模型難以收斂；另一方面，無關(guān)的噪聲信息也會融入到模型中反而降低了模型的預(yù)測精度，因此，需要根據(jù)工藝參人工粘合部位的異常光譜信息選擇敏感波段，確定少量數(shù)據(jù)點，隨后根據(jù)主成分分析法將光譜數(shù)據(jù)降維，消除眾多信息中相互重疊的信息部分，經(jīng)主成分分析后，提取光譜數(shù)據(jù)的主成分變量，其中前n個主成分的累積貢獻(xiàn)率達(dá)到99％，則選取前n個主成分作為神經(jīng)網(wǎng)絡(luò)的輸入變量，根據(jù)光譜數(shù)據(jù)設(shè)定屬性設(shè)定代碼，建立BP人工神經(jīng)網(wǎng)絡(luò)模型，采集待鑒別樣品蘆、體和須部位的光譜數(shù)據(jù)，將測得的待鑒別樣品的光譜數(shù)據(jù)經(jīng)建立的BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真，得到待鑒別樣品的屬性預(yù)測值，當(dāng)待鑒別樣品的屬性預(yù)測值與山參的屬性代碼匹配時，鑒定為山參；若與工藝參的屬性預(yù)測值匹配時，鑒定為工藝參。